Posição de Engenheiro Sênior em Machine Learning
Buscamos um profissional com experiência em machine learning para trabalhar em projetos inovadores.
* Anotar e preparar datasets de visão computacional;
* Desenvolver e manter pipelines de inferência para execução eficiente em produção;
* Implementar práticas de MLOps: CI/CD de modelos, versionamento de dados e experimentos, monitoramento e re-treino automático;
* Trabalhar em conjunto com engenheiros de software para integrar os modelos em sistemas e aplicações.
Requisitos Obrigatórios
* Conhecimento de Python em quaisquer das bibliotecas de ML/DL (PyTorch, TensorFlow, OpenCV);
* Experiência prática com YOLO (treinamento e inferência em problemas de detecção de objetos);
* Experiência sólida em visão computacional (classificação, detecção, segmentação);
* Experiência em MLOps com quaisquer das ferramentas: AWS SageMaker Studio, MLflow, Kubeflow, Docker, Kubernetes, Airflow;
* Conhecimento em boas práticas de engenharia de software (Git, testes automatizados, ambientes reprodutíveis).
Diferenciais
* Experiência em dados estruturados: preparação de dataset, treinamento e inferência em problemas de regressão (ex.: regressão linear, regressão logística, árvores de decisão) e classificação tabular;
* Análise exploratória de dados estruturados (ex.: Análise das componentes principais - PCA, análise de correlação, clustering com K-Means);
* Otimização de modelos para edge devices (TensorRT, ONNX, quantização);
* Contribuições para projetos open source ou publicações técnicas.
Métricas e Gráficos que Deve Saber Interpretar
* Visão Computacional (Foco Principal): mAP@0.5, mAP@0.5:0.95;
* Curvas Precision-Recall (PR) e AP por classe;
* Curva ROC e AUC;
* Matriz de Confusão;
* Curvas de Perda e Acurácia Durante o Treinamento;
* Distribuição de IoU (Interseção Sobre a União);
* Learning Curves (Treino vs. Validação);
* Dados Estruturados (como Diferencial): Gráficos de Resíduos em Regressão;
* Curvas de Calibração de Probabilidade;
* Feature Importance, SHAP e PDP/ICE Plots;
* Heatmaps de Correlação e PCA (Scree Plot, Biplot);
* MLOps / Produção: Gráficos de Detecção de Drift de Dados;
* Distribuição de Probabilidades de Saída (Overconfidence);
* Métricas de Latência/Throughput;
* Consumo de GPU/CPU/Memória em Inferência.